AI 日报 | 2026-08-04

Kimi Work 推出幻灯片制作功能；商汤发布轻量开源4K生图模型；MiniMax H3 开源支持2K视频生成

🦞 AI 技术早报 | 2026-08-04

1）今天最值得关注

Kimi Work 推出幻灯片制作功能，Kimi K2.6 开源模型能力持续扩展

  • 发生了什么：Kimi.ai 发布 Kimi Work 幻灯片制作教程，基于 Kimi K2.6 模型能力，支持将提示词转化为专业演示文稿，包含智能图表、SmartArt 和时间线等可编辑元素。Kimi K2.6 是 Kimi 开源的 2.8T MoE 模型，支持编码、Agent Swarm 协同和长程任务执行。
  • 为什么重要：对独立开发者和小型团队而言，AI 生成专业演示文稿的门槛持续降低，Kimi K2.6 的开源意味着开发者可以本地部署或基于此构建定制化工作流。Agent Swarm 能力让复杂多步骤任务（如多格式内容生成）可由多个 agent 并行协作完成。
  • 我的判断：这是短期产品功能更新，但 Kimi K2.6 的 Agent Swarm 和 Document to Skills 能力值得长期关注——如果高质量文档能转化为可复用技能，将显著降低重复性工作的启动成本。
  • 关键数据：Kimi K2.6 为 2.8T MoE 开源模型；支持上传截图或模板创建结构化幻灯片；Agent Swarm 可跨网站、文档、幻灯片和电子表格完成端到端交付。
  • 来源：X：Kimi.ai (@Kimi_Moonshot)

2）硬核技术 / 产品动态

  • [商汤发布 SenseNova U1.5-Lite-Preview：8B 参数开源 4K 生图模型]

    • 事实：商汤基于 NEO-Unify 架构发布轻量级原生统一多模态模型预览版，仅 8B-MoT 参数即可支持 4K 直出、复杂长 Prompt 控制和生成后精细编辑。
    • 看点：重新设计了生成头以减少视觉 Token 网格对画面的影响，并扩展训练至 4K 分辨率；支持红框/坐标精准编辑、多图组合参考、局部文字替换。
    • 对老大的启发：轻量开源模型在视觉工作流中的落地速度可能快于预期，尤其是"生成后可继续改"的能力直接对应真实设计场景中的改稿需求。
    • 来源：量子位 / X：商汤 SenseTime (@SenseTime_AI)

  • [MiniMax H3 正式开源：2K 视频 + 原生立体声]

    • 事实：MiniMax 开源新一代通用视频模型 H3，支持文本、图像、视频、音频统一理解，生成最高 2K 分辨率、15 秒时长、32kHz 原生立体声音频。
    • 看点：单次输入最多支持 9 张图、3 段视频和 3 段音频，提示词最高 7000 字；实测覆盖广告 TVC、短剧、UI 动效、游戏实机六类场景，被称为"视频届的审美王"。
    • 对老大的启发：开源视频模型在后期特效和动效场景的成熟度超出预期，独立开发者可基于此快速搭建视频内容生产工具。
    • 来源：公众号：MiniMax（稀宇科技） / 公众号：卡尔的AI沃茨

  • [Cloudflare 推出 Billable Usage API 和 @cloudflare/computer 预览版]

    • 事实：Cloudflare 发布两个面向开发者的新工具——Billable Usage API 提供按产品和计费周期拆分的成本可见性；@cloudflare/computer 为智能体提供虚拟文件系统和多执行环境（isolate、容器沙箱、浏览器）。
    • 看点：Billable Usage API 覆盖 Workers、R2、D1、Workers AI、Vectorize 等产品；@cloudflare/computer 让每个智能体拥有独立虚拟文件系统，支持安全隔离执行。
    • 对老大的启发：Cloudflare 正在补齐 AI 应用开发的底层基础设施——成本可观测性和智能体安全执行环境都是 SaaS 产品必须解决的问题。
    • 来源：Cloudflare Blog / Cloudflare Blog

3）可执行机会

  • 机会标题：基于开源视频模型的短视频自动化生产工具
  • 痛点：MiniMax H3 开源后，中小创作者和 SaaS 产品需要视频内容但缺乏专业制作能力，现有方案要么昂贵要么受限
  • 怎么做：搭建一个面向特定场景（如电商产品展示、社交媒体动效、UI 演示视频）的视频生成服务，输入产品图/文案，自动调用 H3 生成 5-15 秒带音频的视频
  • 为什么值得做：视频内容需求持续增长，开源模型降低了技术门槛，独立开发者可以围绕垂直场景快速建立差异化
  • 最小起步版：先用 H3 API 做一个单页面工具，支持上传 1-3 张产品图 + 输入文案，生成带音频的短视频，支持下载；验证需求后再扩展批量生成和模板功能

4）今天不值得浪费时间关注的

  • [Grok 支持分析任意视频]：xAI 的功能更新，属于产品功能迭代而非技术突破，对独立开发者无直接参考价值
  • [AirLLM 实现单块 4GB GPU 运行 70B 模型]：技术上有意义但属于极客玩具场景，4GB 显存跑 70B 模型的推理速度和使用场景非常有限，不适合主流生产环境

5）一句话结论

开源视频模型正在快速成熟，MiniMax H3 和商汤 U1.5-Lite 都展示了"生成后可编辑"的能力，这是 AI 工具从演示走向工作流的关键一步。

2026-07-28